- 走向TensorFlow2.0(深度学习应用编程快速入门)
- - 作者：赵英俊
  - 出版社：电子工业
  - ISBN：9787121376467
  - 出版日期：2019/12/01
  - 页数：156
- 售价：22

内容大纲
本书是TensorFlow2.0编程实践的入门类书籍，目的是在TensorFlow2.0正式版发布之际能够帮助大家快速了解其核心特性及基本编程技巧。本书通过5个常用的人工智能编程案例，帮助大家掌握如何在工作中使用TensorFlow2.0进行应用开发。
本书内容覆盖了Python和TensorFlow基础入门、自然语言处理和CV领域的实践案例、模型的服务化部署，希望在基于TensorFlow2.0的人工智能编程上能够助你一臂之力。
作者介绍
赵英俊，阿里云人工智能领域MVP，目前在阿里云从事产业、工业智能方向的解决方案架构师工作，基于数据智能、人工智能等技术和产品解决传统产业、工业的痛点和难点问题。现个人维护一个优秀的开源NLP项目——基于Seq2Seq的中文智能聊天机器人，目前GitHub stars超过1100。
目录
第1章  Python基础编程入门
  1.1  Python的历史
    1.1.1  Python版本的演进
    1.1.2  Python的工程应用情况
  1.2  Python的基本数据类型
  1.3  Python数据处理工具之Pandas
    1.3.1  数据读取和存储
    1.3.2  数据查看和选取
    1.3.3  数据处理
  1.4  Python图像处理工具之PIL
    1.4.1  PIL简介
    1.4.2  PIL接口详解
    1.4.3  PIL图像处理实践
第2章  TensorFlow2.0快速入门
  2.1  TensorFlow2.0简介
  2.2  TensorFlow2.0环境搭建
    2.2.1  CPU环境搭建
    2.2.2  基于Docker的GPU环境搭建
  2.3  TensorFlow2.0基础知识
    2.3.1  TensorFlow2.0 Eager模式简介
    2.3.2  TensorFlow2.0 AutoGraph简介
    2.3.3  TensorFlow2.0低阶API基础编程
  2.4  TensorFlow2.0高阶API（tf.keras）
    2.4.1  tf.keras高阶API概览
    2.4.2  tf.keras高阶API编程
第3章  基于CNN的图像识别应用编程实践
  3.1  CNN相关基础理论
    3.1.1  卷积神经网络概述
    3.1.2  卷积神经网络结构
    3.1.3  卷积神经网络三大核心概念
  3.2  TensorFlow2.0 API详解
    3.2.1  tf.keras.Sequential
    3.2.2  tf.keras.layers.Conv2D
    3.2.3  tf.keras.layers.MaxPool2D
    3.2.4  tf.keras.layers.Flatten与tf.keras.layer.Dense
    3.2.5  tf.keras.layers.Dropout
    3.2.6  tf.keras.optimizers.Adam
  3.3  项目工程结构设计
  3.4  项目实现代码详解
    3.4.1  工具类实现
    3.4.2  cnnModel实现
    3.4.3  执行器实现
    3.4.4  Web应用实现
第4章  基于Seq2Seq的中文聊天机器人编程实践
  4.1  NLP基础理论知识
    4.1.1  语言模型
    4.1.2  循环神经网络
    4.1.3  Seq2Seq模型
  4.2  TensorFlow2.0 API详解
    4.2.1  tf.keras.preprocessing.text.Tokenizer

    4.2.2  tf.keras.preprocessing.sequence.pad_sequences
    4.2.3  tf.data.Dataset.from_tensor_slices
    4.2.4  tf.keras.layers.Embedding
    4.2.5  tf.keras.layers.GRU
    4.2.6  tf.keras.layers.Dense
    4.2.7  tf.expand_dims
    4.2.8  tf.keras.optimizers.Adam
    4.2.9  tf.keras.losses.SparseCategoricalCrossentropy
    4.2.10  tf.math.logical_not
    4.2.11  tf.concat
    4.2.12  tf.bitcast
  4.3  项目工程结构设计
  4.4  项目实现代码详解
    4.4.1  工具类实现
    4.4.2  data_util实现
    4.4.3  seq2seqModel实现
    4.4.4  执行器实现
    4.4.5  Web应用实现
第5章  基于CycleGAN的图像风格迁移应用编程实践
  5.1  GAN基础理论
    5.1.1  GAN的基本思想
    5.1.2  GAN的基本工作机制
    5.1.3  GAN的常见变种及应用场景
  5.2  CycleGAN的算法原理
  5.3  TensorFlow2.0 API详解
    5.3.1  tf.keras.Sequential
    5.3.2  tf.keras.Input
    5.3.3  tf.keras.layers.BatchNormalization
    5.3.4  tf.keras.layers.Dropout
    5.3.5  tf.keras.layers.Concatenate
    5.3.6  tf.keras.layers.LeakyReLU
    5.3.7  tf.keras.layers.UpSampling2D
    5.3.8  tf.keras.layers.Conv2D
    5.3.9  tf.optimizers.Adam
  5.4  项目工程结构设计
  5.5  项目实现代码详解
    5.5.1  工具类实现
    5.5.2  CycleganModel实现
    5.5.3  执行器实现
    5.5.4  Web应用实现
第6章  基于Transformer的文本情感分析编程实践
  6.1  Transformer相关理论知识
    6.1.1  Transformer基本结构
    6.1.2  注意力机制
    6.1.3  位置编码
  6.2  TensorFlow2.0 API详解
    6.2.1  tf.keras.preprocessing.text.Tokenizer
    6.2.2  tf.keras.preprocessing.sequence.pad_sequences
    6.2.3  tf.data.Dataset.from_tensor_slices
    6.2.4  tf.keras.layers.Embedding

    6.2.5  tf.keras.layers.Dense
    6.2.6  tf.keras.optimizers.Adam
    6.2.7  tf.optimizers.schedules.LearningRateSchedule
    6.2.8  tf.keras.layers.Conv1D
    6.2.9  tf.nn.moments
  6.3  项目工程结构设计
  6.4  项目实现代码详解
    6.4.1  工具类实现
    6.4.2  data_util实现
    6.4.3  textClassiferMode实现
    6.4.4  执行器实现
    6.4.5  Web应用实现
第7章  基于TensorFlow Serving的模型部署实践
  7.1  TensorFlow Serving框架简介
    7.1.1  Servable
    7.1.2  Source
    7.1.3  Loader
    7.1.4  Manager
  7.2  TensorFlow Serving环境搭建
    7.2.1  基于Docker搭建TensorFlow Serving环境
    7.2.2  基于Ubuntu 16.04搭建TensorFlow Serving环境
  7.3  API详解
    7.3.1  tf.keras.models.load_model
    7.3.2  tf.keras.experimental.export_saved_model
    7.3.3  tf.keras.backend.set_learning_phase
  7.4  项目工程结构设计
  7.5  项目实现代码详解
    7.5.1  工具类实现
    7.5.2  模型文件导出模块实现
    7.5.3  模型文件部署模块实现
    7.5.4  Web应用模块实现

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目